تشهد صناعة التوظيف تحولًا كبيرًا بمساعدة نماذج اللغة الكبيرة المفتوحة (Open-weight Large Language Models)، والتي تُستخدم بشكل متزايد في معايير التوظيف. ومع ذلك، فإن الآثار السلبية لتلك النماذج، وخاصة فيما يتعلق بتحيزات ضد الجنس والعرق، لا تزال غير مفهومة بالشكل الكافي.

في دراسة جديدة، تم إجراء أول تدقيق منهجي لمجموعة من نماذج اللغة المفتوحة شملتها تجارب مُنظمة للتعرف على كيفية تأثير لغة الإعلانات الوظيفية على النتائج. تم تقييم ستة نماذج تكنولوجية رائدة: Llama 3.2، Mistral، Gemma 3، Qwen 3، Phi 3، وDeepSeek-R1.

وكشفت النتائج التي تم التوصل إليها عن أمرين رئيسيين: أولاً، تتسبب اللغة التي تعبر عن القوة (Agentic Language) في تقليل تقييمات الموصين للمرشحات الإناث، بينما تسهم اللغة المجتمعية (Communal Language) في تعديل هذا التأثير بشكل جزئي. ثانيًا، تساهم لغة الاستبعاد المشفر (Coded-exclusion Language) في تقليل نقاط الموصين غير البيض بمراتب عالية، كما أنها تمنع هؤلاء المرشحين من إبداء اهتمامهم بالوظائف المتاحة، مما ينشئ تأثيرًا متجمدًا على نطاق واسع.

بالإضافة إلى ذلك، استخدمت الدراسة تجارب حلقة التسمية لتحديد الهوية الديموغرافية كعامل رئيسي يؤثر على النتائج، وتأيدت هذه النتائج من خلال اختبارات ارتباط معاني الكلمات. قام الباحثون بتطوير بروتوكول تدقيق مسبق للإعلانات الوظيفية من خلال تقييم لغة النشر، واستكشاف نماذج اللغة بناءً على الهوية، وتنبيه المخاطر قلعة الممارسات الوظيفية.

تعتبر هذه الدراسة خطوة هامة في فهم التحديات الأخلاقية والعملية المرتبطة باستخدام الذكاء الاصطناعي في التوظيف. هل تعتقد أن هذه النماذج بحاجة إلى تطوير أكبر لتقليل التحيزات؟ شاركونا آراءكم في التعليقات.